Persona

单支麦克风即可独立驱动 Live2D 模型唇形以及 VRM 虚拟形象 的元音口型。该机制完全独立于面部捕捉：在无摄像头或移动设备时亦可正常工作；当同时启用面部捕捉时，口型同步将与面部追踪算法自动平滑融合。

相关配置位于 捕捉 面板中摄像头追踪下方的口型同步分区。该设置属于全局应用级配置，切换场景时保持不变，Web 控制台 中的捕捉页面操作的亦为同一份配置。音频流完全在本地设备端解算：既不会向扬声器输出监听，也不会通过 插件 API 传输原始音频流；外部插件仅能读取瞬时音量电平与元音识别权重，无法获取音频内容本身。

配置复制锚点链接

1. 在口型同步分区中开启启用口型同步（默认处于关闭状态）。在 macOS 系统中，首次启用将弹出麦克风系统授权请求。
2. 在麦克风下拉列表中选择默认麦克风或指定的音频输入硬件。
3. 对准麦克风正常发声，观察输入电平以及 A、I、U、E、O 五项元音指示条是否灵敏响应；如有需要可调节 电平参数。
4. 各虚拟形象图层详情中的 麦克风口型同步 选项默认设置为始终；开启全局总开关后，场景中的对应虚拟形象即可开始口型同步。

麦克风复制锚点链接

默认麦克风跟随操作系统的系统级默认输入设备，亦可手动锁定具体的音频硬件。设备列表展示运行 Persona 的本机上所有可用的音频输入硬件（在 Web 控制台中同样只展示运行主机的输入设备，不会列出浏览器所在设备的麦克风）。系统中安装的虚拟音频设备（如虚拟声卡）同样会完整列出。配置项下方将实时显示当前实际采样的硬件名称。

当选定的麦克风设备离线或断开连接时，Persona 不会擅自切换至其他设备：下拉菜单将显示为不可用的麦克风，状态同步变更为不可用，直至手动切换其他可用设备或点击重试按钮。

Persona 不提供麦克风音频本地监听回放功能，亦不会直接录制或采集本机正在播放的系统扬声器输出。

电平复制锚点链接

噪声门比较的是经过输入增益放大后的信号电平。高于噪声门阈值直至满刻度的信号动态范围，将线性映射为嘴部从完全闭合到最大张开的行程。若静音时嘴部依然张开，请调低输入增益或调高噪声门阈值；若正常说话时嘴部动作幅度过小，则反向调整上述参数。这三项参数的修改将立即作用于当前的实时音频流分析；切换麦克风或重启口型同步将重新初始化音频采集上下文。

状态与指示条复制锚点链接

启用口型同步开关旁侧实时显示当前工作状态：

当口型同步处于运行状态时，控制项下方将展示输入电平与 A、I、U、E、O 五项元音相似度指示条。指示条数值表示各元音特征的相似度权重，而非绝对概率分布：发音含糊时可能同时触发相邻的两个元音指示条；而不符合任何标准元音的声音特征将导致指示条回落，但嘴部开合仍会依据当前音量正常张开。

当出现以下三类情况时，音频流采集将中断并进入不可用状态：麦克风系统权限被拒（需在操作系统安全设置中允许 Persona 访问麦克风）、选定硬件断开或不存在，或底层音频分析组件加载失败。点击重试按钮将针对当前选定设备重新尝试初始化采集。

校准声音复制锚点链接

在麦克风正常采集期间，声音配置信息行展示该麦克风的配置文件状态：若已建立专属校准，则显示为已针对〈麦克风〉校准；否则显示为默认配置。仅当状态为正在监听时，校准声音… 按钮才处于可交互状态。

校准引导对话框包含 A、I、U、E、O 与背景噪声共六项采集目标，每一项均配有标准发音提示：

1. 保持日常说话音量与麦克风距离，点击对应项的录制按钮，平稳持续发音两秒；在背景噪声阶段保持安静并维持正常呼吸。
2. 采集成功的项目会标记对勾，按钮变为重试，可单独重录该项。元音的信号电平必须高于噪声门才算有效；背景噪声没有音量下限。若采集未达标，对话框会保留上一轮有效的校准基准并说明原因，例如：
   • 「声音太小。请以高于噪声门限的音量发声后重试。」
   • 「采集的音频不足。请保持发声平稳后重试。」
3. 全部六项采集完毕后，点击预览配置即可让临时配置立即生效。依次朗读 A、I、U、E、O，观察对应的元音指示条是否占据主导，并确认场景内虚拟形象的口型反馈。若某个元音容易与其他音混淆，可返回单独重录该项并再次预览。
4. 确认无误后点击保存配置写入本地设置。点击取消或关闭对话框将舍弃临时草稿，恢复至此前保存的配置或内置默认配置。

若当前麦克风已存在历史校准，对话框将自动预载既有数据，用户仅需针对性重新录制个别元音，无需重复录制整套六项。关闭口型同步、切换输入设备、采集异常或触发重试操作，均会导致未保存的临时校准数据丢失。

校准配置与具体的物理麦克风硬件唯一绑定，每台设备维护独立配置，并在开始采集时自动匹配加载。重置配置按钮仅在当前麦克风拥有自定义校准时显示；点击将清除该麦克风的专属配置并重置回内置基准，其他设备的配置文件不受任何影响。当选择默认麦克风时，Persona 将尽力解析其对应的底层物理设备；若无法精确识别，建议在校准前手动切换为指定的具体硬件。

在未完成个性化校准前，系统统一使用内置基准配置（即默认配置）。内置配置基于通用模型训练，可能无法完美契合所有声线特征与麦克风频响曲线。若元音识别准确率欠佳，建议执行个性化发音校准。系统不支持直接导入外部 MotionSync 配置文件。

麦克风口型同步复制锚点链接

每个虚拟形象均可独立配置是否响应麦克风音频驱动。选中目标图层后，在其属性面板的捕捉分区中可找到麦克风口型同步配置项，该项使用全局统一设置的麦克风输入源：

当采用始终模式且存在实时面部捕捉时，Persona 会依据平滑后的音量包络在两者之间建立动态融合：静音状态下，嘴部完全保留视觉捕捉到的微表情、无声哈欠、下巴开合与唇形细节；随着说话音量提升，基于麦克风的元音口型逐渐取得控制主导权。当面部捕捉信号丢失时，嘴部动作完全切由麦克风驱动，不会受丢失前锁定的残余姿态干扰。

新建形象与历史场景导入的形象默认均设为始终；但因全局启用口型同步默认关闭，因此在开启全局开关前不会产生任何动态。该同步模式归属于场景内的具体实例并随场景工程保存；同一个模型的两个独立实例可指定不同的口型模式，而模型的标准 参数绑定 仍归模型资产自身所有。

驱动模型复制锚点链接

Live2D复制锚点链接

无需为模型添加额外的伴随文件。麦克风的分析结果会叠加到以下标准嘴部输入上，模型自带的嘴部绑定可以直接生效：

• MouthOpen、MouthSmile、JawOpen
• ARKitJawOpen、ARKitMouthClose、ARKitMouthFunnel、ARKitMouthPucker

嘴部张合在元音形态与瞬时音量之间连续融合，发辅音时不会突然跳变。

模型的 LipSync 参数组（在 .model3.json 中声明，即 模型信息 面板中口型同步栏列出的参数）只要没有设置专门的绑定规则，就会直接接收音量电平。因此，即使模型的嘴部参数命名不标准，也无需手动配置绑定。若模型为每个元音单独制作了嘴部参数，可在参数面板中将 VoiceA…VoiceO 映射到这些参数。

当触发播放模型动作自带的内置音频或通过 插件 API 播放语音 时，音频播放流将抢占嘴部驱动权，麦克风口型将自动避让。

VRM复制锚点链接

每个元音驱动模型的一个标准 表情：A → aa、I → ih、U → ou、E → ee、O → oh。表情权重等于音量电平与该元音相似度份额的乘积。没有标准元音预设、但有 ARKit jawOpen 表情的模型，会改为仅按音量开合下巴。口型的最终效果取决于模型自身表情资产的制作精细度。

在与实时面部捕捉融合时，元音表情与产生冲突的 ARKit 嘴部表情会依据音量电平动态交接权重。麦克风写入的表情权重在每一帧渲染循环结束时均会复原清空，绝不会残留固化到视觉追踪的保持姿态中。

语音输入复制锚点链接

在 参数绑定 编辑器的嘴巴分类下，系统额外提供了 12 项专属语音输入参数，可同时应用于 Live2D 与 VRM 模型的绑定逻辑：

VoiceVolumePlusMouthOpen 与 VoiceFrequencyPlusMouthSmile 两项复合参数将声音与面部捕捉结合：

• 相加后的数值可能超出标准上限，由绑定规则自身的输入输出范围钳位。
• 缺少视觉人脸信号时，只使用音频分量；视觉丢失后暂存的静态姿态不会混入。
• 麦克风未对该形象生效时（口型同步关闭、形象模式设为关闭，或模式为面部捕捉不可用时且面部捕捉正在生效），只保留面部捕捉分量，绑定规则仍能稳定响应视觉追踪。

导入复制锚点链接

在导入 .vtube.json 预设时，上述输入参数名称不区分英文大小写。

Persona 采用自主优化的音频分析管线，针对同一段语音信号提取出的音量与元音判定特征，可能与 VTube Studio 存在算法层面的合理差异。

自动化集成复制锚点链接

在 自动化 系统中，麦克风音量触发条件与此处的口型同步模块共享相同的麦克风硬件、输入增益、噪声门与平滑参数。即使启用口型同步处于关闭状态，该触发器仍可正常工作，此时仅不驱动虚拟形象口型。

自动化系统的 播放音频 动作亦支持直接使用音频文件驱动口型：将动作中的驱动口型同步指定给目标虚拟形象（Live2D 或 VRM 均可），文件播放期间目标形象的唇形将完全跟随该音频文件运动，麦克风输入自动避让。该分析过程采用内置的标准声音基准配置，直接在应用音频增益与淡入淡出之前解析源信号，且无需开启实体麦克风。若多个音频文件并发驱动同一形象，系统以最后发起的音频流为准；当所有音频播放停止后，麦克风与面部捕捉将平滑重新接管控制。